CN114025327B - 一种基于数据中台的车队管理机器人设计方法 - Google Patents
一种基于数据中台的车队管理机器人设计方法 Download PDFInfo
- Publication number
- CN114025327B CN114025327B CN202111239197.0A CN202111239197A CN114025327B CN 114025327 B CN114025327 B CN 114025327B CN 202111239197 A CN202111239197 A CN 202111239197A CN 114025327 B CN114025327 B CN 114025327B
- Authority
- CN
- China
- Prior art keywords
- intelligent
- service
- voice
- driver
- micro
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013461 design Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims description 55
- 238000007726 management method Methods 0.000 claims description 38
- 238000012423 maintenance Methods 0.000 claims description 27
- 238000002955 isolation Methods 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/34—Adaptation of a single recogniser for parallel processing, e.g. by use of multiple processors or cloud computing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/009—Security arrangements; Authentication; Protecting privacy or anonymity specially adapted for networks, e.g. wireless sensor networks, ad-hoc networks, RFID networks or cloud networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/03—Protecting confidentiality, e.g. by encryption
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于数据中台的车队管理机器人设计方法,包括以下步骤:步骤一:***的搭建;该***包括智能设备、云端服务、隔离装置、数据中台四个部分;步骤二:启动机器人***;开启智能设备后,机器人***启动并处于等待语音或者图形输入的状态;同时,机器人***判定是否开启了智能调度模式;步骤三:语音或图像输入:智能设备启动后,等待语音或者图形输入;智能设备判定是否有语音输入或图形输入。该方法围绕车队管理人员的日常工作,通过人工智能、语音识别、大数据、AIOT等技术,实现对车辆的智能化调度、数据的自动录入,提高车调业务智能化水平,实现一线班组的减负,提升车辆运行效率。
Description
技术领域
本发明涉及车联网***技术领域,具体为一种基于数据中台的车队管理机器人设计方法。
背景技术
现有的车队管理工作多由人工记录实现,车队管理人员是各单位车辆用车调度、费用管理、数据维护等工作的负责人,工作任务多;同时,各单位车辆管理人员在配置上存在兼职、人数少等情况,因此车队管理人员的工作量普遍较大。车队管理人员在每日高峰用车时段时每小时需要调度20-40个单子,存在工作繁琐、人工调度容易出错等问题;同时,车队管理人员往往还要负责车辆维保费用等基础数据的录入工作,工作量较大。
因此,如何采用一种智能***替代人工负责繁杂的车队管理工作,是本领域人员亟待解决的技术问题。
通过公开专利检索,发现以下对比文件:
CN112085347A-公开了一种集装箱货车车队数字化调拨管理***及方法,车队端、用户端和司机端共同组成一个数字化集装箱卡车运输平台,进行数据对接处理,车队端、用户端和司机端的三端***各有侧重,且三端***的目标用户不同,由车用户端派发订单,车队端接受订单,司机端实施订单,交互页面由实时抢单、车队管理和资质认证三部分组成,且实时抢单页面包括地图信息及订单管理信息,需求侧数字化领域由货主、第三方物流和货代、车队三部分组成。该集装箱货车车队数字化调拨管理***及方法为调度员提供获取业务、分发任务、任务追踪、车辆管理、司机管理、资质认证等功能,显著提升车队的管理效率,降低管理端人力成本。
经分析,上述专利在***架构及功能上均不同于本申请,因此不影响本申请的新颖性。
发明内容
本发明的目的在于克服现有技术的不足之处,提供一种基于数据中台的车队管理机器人设计方法,该方法围绕车队管理人员的日常工作,通过人工智能、语音识别、大数据、AIOT等技术,实现对车辆的智能化调度、数据的自动录入,提高车调业务智能化水平,实现一线班组的减负,提升车辆运行效率。
一种基于数据中台的车队管理机器人设计方法,包括以下步骤:
步骤一:***的搭建;该***包括智能设备、云端服务、隔离装置、数据中台四个部分;
其中,智能设备具体包括语音识别模块、图形识别模块、语音播报模块、智能调度模块、控制模块和加密芯片;
其中,云端服务具体包括用户偏好分析微服务、AI智能分析微服务、运行微服务、监控微服务;
步骤二:启动机器人***;开启智能设备后,机器人***启动并处于等待语音或者图形输入的状态;同时,机器人***判定是否开启了智能调度模式,如果没有开启智能调度模式,则持续等待开启智能调度模式;如果开启了智能调度模式,则进行智能调度;
步骤三:语音或图像输入:智能设备启动后,等待语音或者图形输入;智能设备判定是否有语音输入,如果有则进行语音解析,没有则判定是否有图形的输入;如果有图形输入,则进行图形识别,如没有图形输入则持续等待输入信息。
而且,步骤一的智能设备语音识别模块负责接收车队管理人员的语音指令;具体步骤如下:
A、语音接受;智能设备提供语音的接收,接收的语音通过加密芯片进行加密,加密后通过4G网络调用云端的AI智能分析微服务;
B、指令解析;云端的AI智能分析微服务获取到指令数据后,调用加解密机,并进行指令的解析;
C、微服务调用;AI智能分析微服务在解析完指令后,根据指令的类别进行微服务调用,并将结果返回给智能设备;
D、语音播报;微服务调用的结果返回给智能设备;智能设备通过语音的方式进行结果播报。
优选的,步骤一的智能设备图像识别模块负责证件和票据的识别和数据的自动录入;具体步骤如下:
A、图像数据的采集;车队管理人员将驾驶员或者维保单放置在智能设备的摄像头前,智能设备通过摄像头采集图像数据;
B、图像数据的传输;采集的图像数据通过加密芯片进行加密,加密后通过4G网络调用云端的AI智能分析微服务;
C、图像数据的解析;AI智能分析微服务接受到图像数据后,调用加解密机进行解密,并进行图形类别的识别;
D、微服务的调用;图形数据解析后,根据图形的类别,调用云端的微服务;
E、语音播报;微服务调用的结果返回给智能设备;智能设备通过屏幕显示的方式进行结果展示。
优选的,步骤一智能设备语音播报模块负责将云端返回的内容通过智能设备进行播报;具体步骤如下:
A、内容转语音;将云端返回的内容进行组织,调用文字转语音的SDK,将返回的内容转换成语音;
B、语音播报;转换后的内容通过智能设备的播放器进行播放。
优选的,步骤一的智能设备智能调度模块负责派车单的智能调度和驾驶员的状态确认;具体的处理步骤如下:
A、获取派车单列表;调用云端的运行管理微服务,获取派车单列表,并将数据缓存在本地文件;
B、云端获取推荐的驾驶员和车辆;智能调度模块根据用车申请人调用云端的用户偏好分析微服务,获取推荐的驾驶员和车辆,并给用车人发送短信提醒;
C、预估驾驶员状态;对预计用车在当前时间两小时内的派车单,进行驾驶员状态评估,确定驾驶员能否正常到达出发地;
D、云端获取推荐的驾驶员和车辆;智能调度模块根据用车申请人调用云端的用户偏好分析微服务,获取推荐的驾驶员和车辆,并给用车人发送短信提醒;
E、预估驾驶员状态;对预计用车在当前时间两小时内的派车单,进行驾驶员状态评估,确定驾驶员能否正常到达出发地;
F、驾驶员状态确认;驾驶员根据语音提示,进行状态的反馈,智能设备进行语音的解析;驾驶员反馈的内容包括可及时出单和不可及时出单两种情况。
优选的,步骤一中云端用户偏好分析微服务,是根据用车人的偏好,进行用车偏好的分析;具体步骤如下:
A、基本信息获取;获取微服务调用的输入信息,包括用车人ID、用车人的数量、预计用车时间、出发地点;
B、获取推荐的驾驶员和车辆;用户偏好分析微服务负责根据基本信息返回推荐的驾驶员和车辆。
优选的,步骤一中的数据中台,部署在信息内网,是企业数据的共享平台,并实现和业务***的松耦合。
优选的,步骤二中智能调度步骤如下:
A、获取派车单列表;机器人智能设备调用云端运行管理微服务,获取派车单列表;
B、判定是否完成派车;智能设备循环派单车单列表,判定是否还有派车单没有完成派车;如果没有,重复①获取派车单列表;如果有,则调用云端服务获取推荐的驾驶员和车辆;
C、判定是否距离出车时间小于2小时;从派车单列表中分析派车信息,判定分配车辆和驾驶员的派工单的出车时间是否当前时间的2小时之内;如果没有在2个小时之内的派车单,则继续等待;如果有则开始预估驾驶员状态;
D、预估驾驶员状态;根据驾驶员的位置信息,规划驾驶员到下一单出发地的路径,计算驾驶时间,评估驾驶员是否可以正常到达出发地;如果驾驶员可正常达到出发地,则重复③,判定是否有距离出车时间小于2小时的派车单;如果驾驶员不可正常接单,机器人智能设备则自动给驾驶员拨号,进行驾驶员状态的确认;
E、驾驶员状态确认;驾驶员根据语音提示,进行自身状态的反馈;机器人智能设备根据语音的反馈进行分析,分析结果包括驾驶员可及时出单和不可及时出单;对于驾驶员可及时出单的情况,***记录反馈情况,更新派车单状态;对于驾驶员为不可及时出单的情况,机器人智能设备调用云端的用户偏好分析微服务,重新获取推荐的驾驶员和车辆,并给用车人发送短信提醒。
优选的,步骤三中的语音解析,具体步骤如下:
A、智能设备上传语音;智能设备进行语音的获取,获取的语音调用加密芯片加密后上传到云端服务;
B、语音指令解析;云端的AI智能分析调用加解密机进行语音解密,并进行语音指令的解析;
C、微服务调用;根据语音指令,进行微服务的调用;如果指令是排班情况查询,调用运行微服务,查询当日的车队排班情况;如果指令是查询车辆位置,调用监控微服务,查询车辆的实时位置;
D、语音播报;微服务调用的结果返回给智能设备,智能设备进行语音播报。
优选的,步骤三中的图像识别,具体步骤如下:
A、智能设备上传图像信息;智能设备进行图像的获取,获取的图像信息调用加密芯片加密后上传到云端服务;
B、图像类别解析;云端的AI智能分析调用加解密机进行图像数据解密,并进行图像类别的解析;
C、微服务调用;根据图像类别,进行微服务的调用;如果是驾驶员证,将驾驶员证基本信息传递给运行微服务,运行微服务通过隔离装置驱动程序将驾驶员基本数据写入数据中台;如果是维保费用单,将维保单上的字段信息传递给运行微服务,运行微服务通过隔离装置驱动程序将维保单数据写入数据中台;
D、屏幕展示;微服务调用的结果返回给智能设备,智能设备展示出图形识别后数据自动录入的情况。
本发明的优点和技术效果是:
本发明的一种基于数据中台的车队管理机器人设计方法,其围绕车队管理人员的日常工作,通过人工智能、语音识别、大数据、AIOT等技术,实现对车辆的智能化调度、数据的自动录入,提高车调业务智能化水平,实现一线班组的减负,提升车辆运行效率。通过分析用车人以往的用车偏好,可根据多因子自动进行车辆和驾驶员的分配,可以减轻车队管理人员70%的车辆调度的工作量;同时,机器人***利用AI技术、语音识别等技术,对***分配的驾驶员自动进行状态的二次确认,确保驾驶员可正常出行,极大的实现了车队车调人员的减负。
本发明的一种基于数据中台的车队管理机器人设计方法,由智能设备、云端服务、隔离装置、数据中台四部分组成。智能设备通过语音和图像识别的方式,实现和车队管理人员的交互;云端服务提供用车人用车偏好分析等后台分析服务,并通过智能设备将分析结果返回给车队管理人员;隔离装置实现企业内部网络和外部网络的逻辑隔离,确保网络边界的安全;数据中台提供企业数据的共享,并实现和业务***之间的弱耦合。其中:
本发明利用加密芯片,实现了智能设备芯片级的传输安全。智能设备上传的数据在网络传输前进行硬件加密,云端服务接受到数据后在服务端进行解密。加密芯片可以确保智能设备和云端数据传输的安全性,确保数据***露和不被篡改。
本发明利用图像识别技术,实现对驾驶证、维保费用等证件或票据的自动识别,实现驾驶员和维保数据的自动录入,可以极大的减轻车队管理人员的数据维护工作。
本发明基于数据中台,可以充分发挥企业数据中台中车辆相关数据的价值。同时,利用数据中台,可减少与业务***的业务耦合度。
附图说明
图1是本发明车队管理机器人的***框架图;
图2是本发明车队管理机器人的管理逻辑图。
具体实施方式
为能进一步了解本发明的内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。需要说明的是,本实施例是描述性的,不是限定性的,不能由此限定本发明的保护范围。
一种基于数据中台的车队管理机器人设计方法,包括步骤如下:
步骤一:***的搭建。如图1所示,该设计方法包括智能设备、云端服务、隔离装置、数据中台四个部分。智能设备提供人机交互,实现和车队管理人员的交互操作;云端服务提供对车队管理人员各种交互输入的后台微服务;隔离装置实现网络的隔离,信息外网和信息内网的逻辑隔离;数据中台提供车辆轨迹数据、车辆运行数据、车辆资产数据等企业车辆数据资产,并实现和业务***的弱耦合。
其中,智能设备具体包括语音识别模块、图形识别模块、语音播报模块、智能调度模块、控制模块和加密芯片;
其中,云端服务具体包括用户偏好分析微服务、AI智能分析微服务、运行微服务、监控微服务。
而且,步骤一的智能设备语音识别模块负责接收车队管理人员的语音指令。具体步骤如下:
①语音接受。智能设备提供语音的接收,接收的语音通过加密芯片进行加密,加密后通过4G网络调用云端的AI智能分析微服务。
②指令解析。云端的AI智能分析微服务获取到指令数据后,调用加解密机,并进行指令的解析。
③微服务调用。AI智能分析微服务在解析完指令后,根据指令的类别进行微服务调用,并将结果返回给智能设备。具体的处理步骤如下:
如果指令是排班情况查询,调用运行微服务,查询当日的车队排班情况。
如果指令是查询车辆位置,调用监控微服务,查询车辆的实时位置。
④语音播报。微服务调用的结果返回给智能设备。智能设备通过语音的方式进行结果播报。
而且,步骤一的智能设备图像识别模块负责证件和票据的识别和数据的自动录入。具体步骤如下:
①图像数据的采集。车队管理人员将驾驶员或者维保单放置在智能设备的摄像头前,智能设备通过摄像头采集图像数据。
②图像数据的传输。采集的图像数据通过加密芯片进行加密,加密后通过4G网络调用云端的AI智能分析微服务。
③图像数据的解析。AI智能分析微服务接受到图像数据后,调用加解密机进行解密,并进行图形类别的识别。具体步骤如下:
a,根据图形的特征进行识别。
b,如果是驾驶员证,进行驾驶员基本信息的识别,得到JSON格式的字段信息。
c,如果是维保费用单,进行维保费用信息的识别,得到JSON格式的字段信息。
④微服务的调用。图形数据解析后,根据图形的类别,调用云端的微服务。具体步骤如下:
a,如果是驾驶员证,将驾驶员证基本信息传递给运行微服务,运行微服务通过隔离装置驱动程序将驾驶员基本数据写入数据中台。
b,如果是维保费用单,将维保单上的字段信息传递给运行微服务,运行微服务通过隔离装置驱动程序将维保单数据写入数据中台。
⑤语音播报。微服务调用的结果返回给智能设备。智能设备通过屏幕显示的方式进行结果展示。
而且,步骤一智能设备语音播报模块负责将云端返回的内容通过智能设备进行播报。具体步骤服务:
①内容转语音。将云端返回的内容进行组织,调用文字转语音的SDK,将返回的内容转换成语音。
②语音播报。转换后的内容通过智能设备的播放器进行播放。
而且,步骤一智能设备智能调度模块负责派车单的智能调度和驾驶员的状态确认。具体的处理步骤如下:
①获取派车单列表。调用云端的运行管理微服务,获取派车单列表,并将数据缓存在本地文件。结构如下表所示:
②云端获取推荐的驾驶员和车辆。智能调度模块根据用车申请人调用云端的用户偏好分析微服务,获取推荐的驾驶员和车辆,并给用车人发送短信提醒。
③预估驾驶员状态。对预计用车在当前时间两小时内的派车单,进行驾驶员状态评估,确定驾驶员能否正常到达出发地。具备步骤包括:
i基础信息获取。调用云端监控服务,获取驾驶员的位置信息。同时,获取该驾驶员下一单的出发地、出发时间。
ii***评估风险。根据驾驶员的位置信息,规划驾驶员到下一单出发地的路径,计算驾驶时间,评估是否可以正常到的出发地。
iii自动拨号。根据***评估的风险,对距离下一单出发地驾驶时间较长的驾驶员进行语音拨号,进行驾驶员状态确认。
②驾驶员状态确认。驾驶员根据语音提示,进行状态的反馈,智能设备进行语音的解析。驾驶员反馈的内容包括可及时出单和不可及时出单两种情况。处理方式分别为:
i对于反馈为可及时出单的情况,***记录反馈情况,更新派车单状态。
ii对于返回为不可及时出单的情况,智能调度模块调用云端的用户偏好分析微服务,重新获取推荐的驾驶员和车辆,给用车人发送短信提醒;并更新派车单状态。
而且,步骤一智能设备控制模块提供网络连接的管理,支撑通过4G/5G网络连接云端服务,确保网络连接正常。
而且,步骤一智能设备加密芯片提供数据加密服务。智能设备向云端传输数据前通过加密芯片进行数据的加密。具体来说,采用国网芯进行数据的加密服务。
而且,步骤一云端用户偏好分析微服务,是根据用车人的偏好,进行用车偏好的分析。具体步骤如下:
①基本信息获取。获取微服务调用的输入信息,包括用车人ID、用车人的数量、预计用车时间、出发地点。
②获取推荐的驾驶员和车辆。用户偏好分析微服务负责根据基本信息返回推荐的驾驶员和车辆。具体步骤如下:
i构建用车人画像。根据用车人ID,从数据中台获取用车人的画像。用车人画像是通过用车人历次的用车信息和用车人对用车的评价进行构建,用车人画像由运行在数据中台上的程序通过大数据分析后自动构建。
ii画像匹配。根据用车人的画像特征,调用数据中台中驾驶员的画像和车辆画像,进行画像特征匹配。驾驶员的画像和车辆画像由运行在数据中台上程序通过大数据分析后自动构建。
iii返回推荐驾驶员和车辆。根据画像匹配情况,选择匹配度最高的车辆和驾驶员进行返回。
而且,步骤一云端AI智能分析微服务,提供语音识别服务和图像识别服务。
而且,步骤一云端服务运行管理微服务,提供维保费用录入、驾驶员信息录入等API。
而且,步骤一云端监控管理微服务,提供排班情况查询、查询车辆位置等API。
而且,步骤一隔离装置,部署在信息内网和外网之间,用于内部网络和外部网络的逻辑隔离。隔离装置只支持SQL语句。
而且,步骤一数据中台,部署在信息内网,是企业数据的共享平台,并实现和业务***的松耦合。而且,具体步骤如下:
i数据中台连接。云端服务通过隔离装置驱动连接数据中台。
ii数据查询。云端服务通过隔离装置驱动连接数据中台后,可进行车辆轨迹数据、车辆运行数据、车辆监控数据的查询。
iii变化数据写入中间件。数据中台数据发生变化后,根据配置信息,将变化的数据写入消息中间件,业务***可从消息中间件获取变化的数据。
iv变化数据写入数据中台。业务***数据变化后,调用数据中台的数据目录服务,将变化的数据写入数据中台。
vi画像分析。数据中台上运行自动化程序,通过大数据分析技术构建用车人画像、驾驶员画像和车辆画像。
步骤二:启动机器人。如图2所示,打开智能设备后,机器人***启动,并处于等待语音或者图形输入的状态。同时,机器人***判定是否开启了智能调度模式,如果没有开启智能调度模式,则持续等待开启智能调度模式。如果开启了智能调度模式,则进行智能调度。
而且,步骤二而且,智能调度步骤如下:
①获取派车单列表。机器人智能设备调用云端运行管理微服务,获取派车单列表。
②判定是否完成派车。智能设备循环派单车单列表,判定是否还有派车单没有完成派车。如果没有,重复①获取派车单列表;如果有,则调用云端服务获取推荐的驾驶员和车辆。
③判定是否距离出车时间小于2小时。从派车单列表中分析派车信息,判定分配车辆和驾驶员的派工单的出车时间是否当前时间的2小时之内。如果没有在2个小时之内的派车单,则继续等待;如果有则开始预估驾驶员状态。
④预估驾驶员状态。根据驾驶员的位置信息,规划驾驶员到下一单出发地的路径,计算驾驶时间,评估驾驶员是否可以正常到达出发地。如果驾驶员可正常达到出发地,则重复③,判定是否有距离出车时间小于2小时的派车单;如果驾驶员不可正常接单,机器人智能设备则自动给驾驶员拨号,进行驾驶员状态的确认。
⑤驾驶员状态确认。驾驶员根据语音提示,进行自身状态的反馈。机器人智能设备根据语音的反馈进行分析,分析结果包括驾驶员可及时出单和不可及时出单。对于驾驶员可及时出单的情况,***记录反馈情况,更新派车单状态;对于驾驶员为不可及时出单的情况,机器人智能设备调用云端的用户偏好分析微服务,重新获取推荐的驾驶员和车辆,并给用车人发送短信提醒。
步骤三:语音或图像输入。机器人智能设备启动后,等待语音或者图形输入。智能设备判定是否有语音输入,如果有则进行语音解析;没有则判定是否有图形的输入,如果有图形输入,则进行图形识别,没有则持续等待输入信息。
而且,步骤三的语音解析,具体步骤如下:
①智能设备上传语音。智能设备进行语音的获取,获取的语音调用加密芯片加密后上传到云端服务。
②语音指令解析。云端的AI智能分析调用加解密机进行语音解密,并进行语音指令的解析。
③微服务调用。根据语音指令,进行微服务的调用。如果指令是排班情况查询,调用运行微服务,查询当日的车队排班情况;如果指令是查询车辆位置,调用监控微服务,查询车辆的实时位置。
④语音播报。微服务调用的结果返回给智能设备,智能设备进行语音播报。
而且,步骤一的图像识别,具体步骤如下:
①智能设备上传图像信息。智能设备进行图像的获取,获取的图像信息调用加密芯片加密后上传到云端服务。
②图像类别解析。云端的AI智能分析调用加解密机进行图像数据解密,并进行图像类别的解析。
③微服务调用。根据图像类别,进行微服务的调用。如果是驾驶员证,将驾驶员证基本信息传递给运行微服务,运行微服务通过隔离装置驱动程序将驾驶员基本数据写入数据中台;如果是维保费用单,将维保单上的字段信息传递给运行微服务,运行微服务通过隔离装置驱动程序将维保单数据写入数据中台。
④屏幕展示。微服务调用的结果返回给智能设备,智能设备展示出图形识别后数据自动录入的情况。
最后,本发明的未述之处均采用现有技术中的成熟产品及成熟技术手段。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种基于数据中台的车队管理机器人设计方法,其特征在于,包括以下步骤:
步骤一:***的搭建;该***包括智能设备、云端服务、隔离装置、数据中台四个部分;
其中,智能设备具体包括语音识别模块、图形识别模块、语音播报模块、智能调度模块、控制模块和加密芯片;
其中,云端服务具体包括用户偏好分析微服务、AI智能分析微服务、运行微服务、监控微服务;
所述步骤一的智能设备语音识别模块负责接收车队管理人员的语音指令;具体步骤如下:
A、语音接受;智能设备提供语音的接收,接收的语音通过加密芯片进行加密,加密后通过4G网络调用云端的AI智能分析微服务;
B、指令解析;云端的AI智能分析微服务获取到指令数据后,调用加解密机,并进行指令的解析;
C、微服务调用;AI智能分析微服务在解析完指令后,根据指令的类别进行微服务调用,并将结果返回给智能设备;
D、语音播报;微服务调用的结果返回给智能设备;智能设备通过语音的方式进行结果播报;
所述步骤一的智能设备图像识别模块负责证件和票据的识别和数据的自动录入;具体步骤如下:
A、图像数据的采集;车队管理人员将驾驶员或者维保单放置在智能设备的摄像头前,智能设备通过摄像头采集图像数据;
B、图像数据的传输;采集的图像数据通过加密芯片进行加密,加密后通过4G网络调用云端的AI智能分析微服务;
C、图像数据的解析;AI智能分析微服务接受到图像数据后,调用加解密机进行解密,并进行图形类别的识别;
D、微服务的调用;图形数据解析后,根据图形的类别,调用云端的微服务;
E、语音播报;微服务调用的结果返回给智能设备;智能设备通过屏幕显示的方式进行结果展示;
所述步骤一智能设备语音播报模块负责将云端返回的内容通过智能设备进行播报;具体步骤如下:
A、内容转语音;将云端返回的内容进行组织,调用文字转语音的SDK,将返回的内容转换成语音;
B、语音播报;转换后的内容通过智能设备的播放器进行播放;
步骤二:启动机器人***;开启智能设备后,机器人***启动并处于等待语音或者图形输入的状态;同时,机器人***判定是否开启了智能调度模式,如果没有开启智能调度模式,则持续等待开启智能调度模式;如果开启了智能调度模式,则进行智能调度;
步骤三:语音或图像输入:智能设备启动后,等待语音或者图形输入;智能设备判定是否有语音输入,如果有则进行语音解析,没有则判定是否有图形的输入;如果有图形输入,则进行图形识别,如没有图形输入则持续等待输入信息。
2.根据权利要求1所述的一种基于数据中台的车队管理机器人设计方法,其特征在于:所述步骤一的智能设备智能调度模块负责派车单的智能调度和驾驶员的状态确认;具体的处理步骤如下:
A、获取派车单列表;调用云端的运行管理微服务,获取派车单列表,并将数据缓存在本地文件;
B、云端获取推荐的驾驶员和车辆;智能调度模块根据用车申请人调用云端的用户偏好分析微服务,获取推荐的驾驶员和车辆,并给用车人发送短信提醒;
C、预估驾驶员状态;对预计用车在当前时间两小时内的派车单,进行驾驶员状态评估,确定驾驶员能否正常到达出发地;
D、云端获取推荐的驾驶员和车辆;智能调度模块根据用车申请人调用云端的用户偏好分析微服务,获取推荐的驾驶员和车辆,并给用车人发送短信提醒;
E、预估驾驶员状态;对预计用车在当前时间两小时内的派车单,进行驾驶员状态评估,确定驾驶员能否正常到达出发地;
F、驾驶员状态确认;驾驶员根据语音提示,进行状态的反馈,智能设备进行语音的解析;驾驶员反馈的内容包括可及时出单和不可及时出单两种情况。
3.根据权利要求1所述的一种基于数据中台的车队管理机器人设计方法,其特征在于:所述步骤一中云端用户偏好分析微服务,是根据用车人的偏好,进行用车偏好的分析;具体步骤如下:
A、基本信息获取;获取微服务调用的输入信息,包括用车人ID、用车人的数量、预计用车时间、出发地点;
B、获取推荐的驾驶员和车辆;用户偏好分析微服务负责根据基本信息返回推荐的驾驶员和车辆。
4.根据权利要求1所述的一种基于数据中台的车队管理机器人设计方法,其特征在于:所述步骤一中的数据中台,部署在信息内网,是企业数据的共享平台,并实现和业务***的松耦合。
5.根据权利要求1所述的一种基于数据中台的车队管理机器人设计方法,其特征在于:所述步骤二中智能调度步骤如下:
A、获取派车单列表;机器人智能设备调用云端运行管理微服务,获取派车单列表;
B、判定是否完成派车;智能设备循环派单车单列表,判定是否还有派车单没有完成派车;如果没有,重复 获取派车单列表;如果有,则调用云端服务获取推荐的驾驶员和车辆;
C、判定是否距离出车时间小于2小时;从派车单列表中分析派车信息,判定分配车辆和驾驶员的派工单的出车时间是否当前时间的2小时之内;如果没有在2个小时之内的派车单,则继续等待;如果有则开始预估驾驶员状态;
D、预估驾驶员状态;根据驾驶员的位置信息,规划驾驶员到下一单出发地的路径,计算驾驶时间,评估驾驶员是否可以正常到达出发地;如果驾驶员可正常达到出发地,则重复 ,判定是否有距离出车时间小于2小时的派车单;如果驾驶员不可正常接单,机器人智能设备则自动给驾驶员拨号,进行驾驶员状态的确认;
E、驾驶员状态确认;驾驶员根据语音提示,进行自身状态的反馈;机器人智能设备根据语音的反馈进行分析,分析结果包括驾驶员可及时出单和不可及时出单;对于驾驶员可及时出单的情况,***记录反馈情况,更新派车单状态;对于驾驶员为不可及时出单的情况,机器人智能设备调用云端的用户偏好分析微服务,重新获取推荐的驾驶员和车辆,并给用车人发送短信提醒。
6.根据权利要求1所述的一种基于数据中台的车队管理机器人设计方法,其特征在于:所述步骤三中的语音解析,具体步骤如下:
A、智能设备上传语音;智能设备进行语音的获取,获取的语音调用加密芯片加密后上传到云端服务;
B、语音指令解析;云端的AI智能分析调用加解密机进行语音解密,并进行语音指令的解析;
C、微服务调用;根据语音指令,进行微服务的调用;如果指令是排班情况查询,调用运行微服务,查询当日的车队排班情况;如果指令是查询车辆位置,调用监控微服务,查询车辆的实时位置;
D、语音播报;微服务调用的结果返回给智能设备,智能设备进行语音播报。
7.根据权利要求1所述的一种基于数据中台的车队管理机器人设计方法,其特征在于:所述步骤三中的图像识别,具体步骤如下:
A、智能设备上传图像信息;智能设备进行图像的获取,获取的图像信息调用加密芯片加密后上传到云端服务;
B、图像类别解析;云端的AI智能分析调用加解密机进行图像数据解密,并进行图像类别的解析;
C、微服务调用;根据图像类别,进行微服务的调用;如果是驾驶员证,将驾驶员证基本信息传递给运行微服务,运行微服务通过隔离装置驱动程序将驾驶员基本数据写入数据中台;如果是维保费用单,将维保单上的字段信息传递给运行微服务,运行微服务通过隔离装置驱动程序将维保单数据写入数据中台;
D、屏幕展示;微服务调用的结果返回给智能设备,智能设备展示出图形识别后数据自动录入的情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111239197.0A CN114025327B (zh) | 2021-10-25 | 2021-10-25 | 一种基于数据中台的车队管理机器人设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111239197.0A CN114025327B (zh) | 2021-10-25 | 2021-10-25 | 一种基于数据中台的车队管理机器人设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114025327A CN114025327A (zh) | 2022-02-08 |
CN114025327B true CN114025327B (zh) | 2024-03-26 |
Family
ID=80057463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111239197.0A Active CN114025327B (zh) | 2021-10-25 | 2021-10-25 | 一种基于数据中台的车队管理机器人设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114025327B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006030880A (ja) * | 2004-07-21 | 2006-02-02 | Honda Motor Co Ltd | 車両用音声認識装置及び移動体 |
CN103428635A (zh) * | 2012-05-15 | 2013-12-04 | Lg电子株式会社 | 移动终端的信息提供方法及其设备 |
CN106407993A (zh) * | 2016-09-13 | 2017-02-15 | 成都创慧科达科技有限公司 | 一种基于图像识别技术的智能语音机器人***及方法 |
CN108171428A (zh) * | 2017-12-29 | 2018-06-15 | 首汽租赁有限责任公司 | 企业车队管理***及其方法 |
CN110188743A (zh) * | 2019-05-13 | 2019-08-30 | 武汉大学 | 一种出租车***识别***及方法 |
CN111143525A (zh) * | 2019-12-17 | 2020-05-12 | 广东广信通信服务有限公司 | 车辆信息获取方法、装置和智能移车*** |
CN111508086A (zh) * | 2020-04-13 | 2020-08-07 | 深圳栩峰科技有限公司 | 一种停车场无人管理***及方法 |
CN111917874A (zh) * | 2020-07-31 | 2020-11-10 | 南京酷沃智行科技有限公司 | 一种新能源汽车车队的管理***及方法 |
CN212061451U (zh) * | 2020-05-28 | 2020-12-01 | 留侠静 | 一种基于LoRa技术的车队行车管理*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100312591A1 (en) * | 2009-06-03 | 2010-12-09 | Shih Pi Ta Technology Ltd. | Automatic Vehicle Dispatch System and Method |
US9478074B2 (en) * | 2014-01-21 | 2016-10-25 | Speedgauge, Inc. | Vehicle management |
CN106054784A (zh) * | 2016-08-15 | 2016-10-26 | 成都云科新能汽车技术有限公司 | 一种电动商用车智能网联一体化*** |
US10474800B2 (en) * | 2016-11-16 | 2019-11-12 | Bank Of America Corporation | Generating alerts based on vehicle system privacy mode |
DK201870683A1 (en) * | 2018-07-05 | 2020-05-25 | Aptiv Technologies Limited | IDENTIFYING AND AUTHENTICATING AUTONOMOUS VEHICLES AND PASSENGERS |
US20200207359A1 (en) * | 2018-12-27 | 2020-07-02 | Southern Taiwan University Of Science And Technology | Smart driving management system and method |
TWM591678U (zh) * | 2019-09-30 | 2020-03-01 | 秀育企業股份有限公司 | 隨車裝置以及車隊管理系統 |
-
2021
- 2021-10-25 CN CN202111239197.0A patent/CN114025327B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006030880A (ja) * | 2004-07-21 | 2006-02-02 | Honda Motor Co Ltd | 車両用音声認識装置及び移動体 |
CN103428635A (zh) * | 2012-05-15 | 2013-12-04 | Lg电子株式会社 | 移动终端的信息提供方法及其设备 |
CN106407993A (zh) * | 2016-09-13 | 2017-02-15 | 成都创慧科达科技有限公司 | 一种基于图像识别技术的智能语音机器人***及方法 |
CN108171428A (zh) * | 2017-12-29 | 2018-06-15 | 首汽租赁有限责任公司 | 企业车队管理***及其方法 |
CN110188743A (zh) * | 2019-05-13 | 2019-08-30 | 武汉大学 | 一种出租车***识别***及方法 |
CN111143525A (zh) * | 2019-12-17 | 2020-05-12 | 广东广信通信服务有限公司 | 车辆信息获取方法、装置和智能移车*** |
CN111508086A (zh) * | 2020-04-13 | 2020-08-07 | 深圳栩峰科技有限公司 | 一种停车场无人管理***及方法 |
CN212061451U (zh) * | 2020-05-28 | 2020-12-01 | 留侠静 | 一种基于LoRa技术的车队行车管理*** |
CN111917874A (zh) * | 2020-07-31 | 2020-11-10 | 南京酷沃智行科技有限公司 | 一种新能源汽车车队的管理***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114025327A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7813980B2 (en) | Tow claims system for secondary tow and salvage management | |
CN101315731B (zh) | 一种利用gps智能车载终端实现车辆监控调度的*** | |
US20120109721A1 (en) | Improvements relating to efficient transport | |
US20060217885A1 (en) | User location driven identification of service vehicles | |
US12039020B2 (en) | Automated authentication systems and methods including automated waste management system with automated weight ticket and authentication | |
CN105812752A (zh) | 一种应用于智慧环卫***的监控中心 | |
CN106447252B (zh) | 一种港口物流管理*** | |
CN109712392A (zh) | 基于区块链的停车信息处理方法、装置、设备和存储介质 | |
CN102521693A (zh) | 一种行政信息移动审批管理*** | |
CN106779502A (zh) | 可移动机械设备的物联和调度方法及装置 | |
CN101908194A (zh) | 银行对公贷款监控的方法 | |
DE102019115414A1 (de) | Vorabzuweisung und lieferung der energieressourcen je nach bedarf | |
CN106021382A (zh) | 一种应用于智慧环卫***的地图基础*** | |
CN101661650A (zh) | 一种数字化城市停车方法及*** | |
CN107944780A (zh) | 一种基于汽车资源动态调度与分配的车辆调度平台及汽车租赁方法 | |
CN111612327B (zh) | 一种调度方法、***、机器可读介质及设备 | |
CN108269005A (zh) | 企业用车服务***及其方法 | |
CN107341551A (zh) | 一种电动交通工具租赁***及其管理方法 | |
CN107610351A (zh) | 一种实现汽车共享的设备、云平台及*** | |
CN205508166U (zh) | 一种远程停车位预定管理*** | |
CN107423882A (zh) | 一种基于微信的大型工程物资调配管理方法、平台和*** | |
CN109035031A (zh) | 车辆查勘信息处理方法及其*** | |
CN108830971A (zh) | 基于车联网的多方协同车辆分享***及其分享方法 | |
CN114025327B (zh) | 一种基于数据中台的车队管理机器人设计方法 | |
US20240054569A1 (en) | Commercial claim processing platform using machine learning to generate shared economy insights |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |